Factors associated with depression in patients referred to headache specialists
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the relationship between selected demographic characteristics and clinical features in patients with headache and depression. METHODS: We studied demographic and clinical data collected at the time of consultation for 712 new patients with headache referred to five headache specialty clinics in Canada. Data were analyzed as part of the Canadian Headache Outpatient Registry and Database (CHORD) Project. The Beck Depression Inventory (BDI-II) was used to identify the presence of depression. Multivariable logistic regression analysis was employed to evaluate associations between age, gender, employment status, marital status, diagnosis, headache days per month, medication overuse, headache impact (HIT-6), and headache disability (MIDAS) and the presence of depression as measured by the BDI-II. RESULTS: Among the sample of patients with headache, 27% (n = 189) had moderate to severe depression. Factors independently associated with depression included age less than 50 years, being unemployed, being on disability pension or welfare, being widowed, separated, or divorced, a diagnosis of transformed migraine or headache associated with head trauma or cervical spine disorder, and showing severe headache impact as measured by the HIT-6, or severe disability as measured by the MIDAS. CONCLUSIONS: In patients with headache referred for specialist consultation, depression is strongly associated with being on disability or welfare, unemployment, age under 50 years, showing severe headache impact on the Headache Impact Test-6, and receiving a diagnosis of transformed migraine. The possibility of a concomitant depression should be strongly considered in patients with headache with any of these characteristics.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».